Resumo
O planejamento, a implementação, a avaliação de políticas e dos programas de saúde em níveis subnacional, nacional e internacional requerem informações confiáveis, comparáveis e oportunas de morte que determinam a natureza e a magnitude dos problemas de saúde. No entanto, esses esforços são costumeiramente prejudicados pela falta de estimativas robustas de mortalidade na maioria dos países em desenvolvimento, especialmente quando tratamos de desagregações geográficas menores. Muito esforço foi feito para entender a dinâmica da mortalidade infantil na maioria dos países em desenvolvimento (Gayawan et al., 2016, Almeida et al., 2014), mas ainda pouco se sabe sobre a variabilidade espaço-temporal nos padrões de mortalidade de adultos e mortalidade por causa específica. A mortalidade por causas específicas é uma das medidas fundamentais de saúde de uma população. Embora muitos países em desenvolvimento tenham tomado medidas para melhorar a qualidade dos dados de mortalidade, ainda existem problemas de cobertura de registros, grandes proporções de mortes classificadas como mal-definidas e grandes diferenciais de qualidade de dados entre regiões (França et al., 2008). Mesmo dentro dos países, há evidências de grandes diferenciais nos registros de mortes em pequenas áreas. Demógrafos e estatísticos, portanto, vêm desenvolvendo modelos de estimação para casos de dados incompletos ou subnotificados (Brass, 1971). Métodos de suavização estatística que adotam procedimentos robustos são geralmente combinados com os dados disponíveis para fornecer estimativas de mortalidade mais confiáveis. Abordagens baseadas em métodos Bayesianos são extremamente úteis nesse sentido, devido à sua capacidade de emprestar informação de locais vizinhos para melhorar as estimativas em áreas com dados problemáticos (Gelfand et al., 2010). Os métodos Bayesianos de estimativa dos padrões espaço-temporais de mortalidade e outras medidas demográficas têm sido amplamente focados na quantificação dos níveis das taxas de mortalidade baseado em modelos de regressão média. Para tanto, este projeto tem como objetivo propor o uso de modelos Bayesianos de regressão espacial distribucional, para a análise de causas-específicas e mortes mal-definidas em países em desenvolvimento. Como ponto chave deste projeto será a utilização dos modelos proporcionais - que se baseiam na proporção de mortes por causa específica ou proporção de óbitos mal-definidos dentro de pequenos contextos geográficos e ao longo do tempo - nos quais uma distribuição beta parametrizada é utilizada para modelar tais proporções. Assim, um parâmetro representaria o número de mortes esperadas, enquanto outros parâmetros se relacionaram com a distribuição da mortalidade por idade. Embora esforços recentes tenham sido feitos utilizando os modelos de regressão beta (Ferrari e Cribari-Neto, 2004), pretendemos relacionar toda a distribuição condicional de mortes a covariáveis espaciais, em vez de utilizar apenas a distribuição média. Também é de interesse desta pesquisa analisar dados de morte censurados, sendo isto que levaria a um número excessivo de zeros nas informações de óbito por causa específica. Neste caso, a distribuição beta teria que ser inflada com zeros, apresentando uma distribuição semelhante à uma regressão aplicada a dados de contagem zero-inflacionada. Outro objetivo é assegurar que nossa abordagem de regressão Bayesiana possa ser aplicada a questões fundamentais da estimativa de mortalidade em pequenas áreas, especialmente em casos de registros de morte incompletos, comum na maioria dos países em desenvolvimento. Este estudo se concentraria em efetuar estimativas de mortalidade no Brasil e em países da África Subsaariana. (AU)